一种基于语义分割的制造技术

本发明专利技术涉及一种基于语义分割的

【技术实现步骤摘要】
一种基于语义分割的SAR影像射频干扰抑制方法


[0001]本专利技术涉及深度学习和雷达信号处理领域，特别涉及一种基于语义分割的
SAR
影像射频干扰抑制方法，适用于实现
SAR
的
SLC
影像干扰抑制
。

技术介绍

[0002]合成孔径雷达
(Synthetic Aperture Radar,SAR)
作为一种全天时
、
全天候的高分辨率成像雷达，在军事和民用等领域发挥着至关重要的作用
。
随着空间电磁环境日益复杂，频谱资源的稀缺增加了发生射频干扰
(Radio Frequency Interference,RFI)
的可能性
。RFI
来源于同频段内的其他业务，会造成回波信号的幅度
、
相位和极化等特性失真，降低
SAR
图像质量，并进一步阻碍后续
SAR
图像解译应用
。
[0003]目前主要的射频干扰抑制方法分为传统抑制方法与智能抑制方法<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种语义分割网络模型，其特征在于，基于对称的编码
‑
解码的结构来获取高分辨率的掩膜，编码器和解码器各有4层，每层编码器采用残差网络
Resnet34
来提取语义特征；每层解码器由2层卷积块和1层反卷积块构成，在每层解码器中间各引入1个增强注意力模块
AAM
，用于恢复空间分辨率并融合来自编码器的特征；其编码
、
解码自网络通过
Skip
‑
connection
来连接，将特征拼接在一起；除了编码
‑
解码结构，网络的输入层由一个卷积层组成，输出层由一个反卷积和2个卷积层组成，保证网络的输出大小和原始图像一致
。2.
根据权利要求1所述的语义分割网络模型，其特征在于，所述的增强注意力模块
AAM
由4层采用
padding
＝0方式的卷积块和一个自适应池化层组成，将全局信息压缩成一个关注向量，对向量进行1×1卷积和批量归一化
。3.
一种基于语义分割的
SAR
影像射频干扰抑制方法，其特征在于包括：接收
SAR
的单视复数影像数据，沿距离维进行快速傅里叶变换
FFT
得到距离频域
、
方位时域的二维频谱；采用双三次插值对二维频谱进行重采样；对重采样后的频谱样本制作网络学习标签，对样本和标签进行分块处理，并分为大小一致对应的数据集；将数据集输入语义分割网络模型进行训练和测试；将重采样后频谱样本输入训练好的语义分割网络模型，得到网络预测的干扰掩膜，对该掩膜进行双三次插值上采样，对应带外位置增加0值，得到原数据尺寸的最终掩膜；根据最终掩膜对原始的二维频谱进行频域陷波，将干扰掩膜为1的位置在频谱上置零，干扰抑制后的二维频谱根据参数需要加窗处理，并通过逆傅里叶变换转到时域得到最终干扰抑制后的
SAR
影像
。4.
根据权利要求3所述基于语义分割的
SAR
影像射频干扰抑制方法，其特征在于，还包括：在快速傅里叶变换
FFT
前根据
SAR
对应的参数文件，读取参数并根据需求是否进行去窗处理
。5.
根据权利要求3...

【专利技术属性】
技术研发人员：陶明亮，李佳旺，刘艳阳，王伶，粟嘉，范一飞，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：